Nvidia 开源 Flora 机器人视频标注引擎
Nvidia 开源了名为 Flora 的机器人视频标注引擎，可将标注成本从每小时 88.5 美元降至 0.72 美元，性能优于 GPT-6 Astra 和 Claude Opus 5。Flora 由三个微调的 Qwen3.5 模型组成，能够分割视频、描述动作并评估执行结果，已在 GR00T 模型训练中使用，每天可处理 20 万小时视频。
推荐理由：开源视频标注引擎Flora将机器人视频标注成本降低125倍，但精度与描述能力仍有提升空间。
#具身智能科技财经热点 · 每日精选
自动盯住上百个信源，用模型摘要、打分、精选，把同一件事的多篇报道归到一起，每天早上出一份日报。聚焦机器人、AI 与财经投资。
今日脉搏
具身智能专栏 →268今日入库
2 条进入精选
44/47 信源在线· 3 异常
近 14 天入库走势
近 7 天分类构成
行业 1375财经 1145硬件本体 982AI 产品 740AI 模型 266其他 395
The Decoder精选AI 评分8080 TechXplore · Robotics精选AI 评分7373 EgoExplorer：可穿戴系统捕捉人类活动数据用于机器人训练
上海人工智能实验室、浙江大学和上海交通大学研究人员开发了一种新型可穿戴系统，结合头戴式GoPro HERO13相机、五个VIVE Ultimate追踪器、传感器手套等设备，采集了100小时的人类活动数据，创建了名为EgoExplorer的数据集。
推荐理由：100小时多模态人机交互数据集为机器人训练提供新思路，但实物应用仍需验证。
钛媒体精选AI 评分7676 具身智能数据采集行业面临泡沫破裂与模式变革
具身智能热潮催生了106个人形机器人数采中心，但部分企业利用数采中心包装虚假营收引发质疑。随着资本评估标准重构、科创板监管加强以及无本体采集技术兴起，数据采集行业正从重资产模拟场景转向分布式真实场景采集，价格下降、交易混乱，行业面临洗牌风险。
推荐理由：具身智能数据采集从产业基建沦为报表注水工具，随着资本评估重构和采集方式变革，这门生意正面临泡沫破裂后的真实考验。
量子位精选AI 评分8585 达瓦科技Scenes AI实时世界模型获NVIDIA创业企业奖
达瓦科技凭借实时世界模型产品Scenes AI在2026 NVIDIA创业企业展示半程展示中拿下卓越企业奖。该模型采用控制层做重、生成层做轻的架构，可在单张RTX显卡上实现720P、25帧的实时输出，目标编辑成功率达98.2%。
推荐理由：从重画下一帧到更新世界状态，达瓦科技用34B模型在消费级显卡上实现实时世界模型，为影视直播等领域提供新路径。
arXiv · cs.RO精选AI 评分8181 OpenTac: 一种可定制、可扩展、可迁移的 3D 触觉感知开源生态系统
研究人员提出 OpenTac，一种新型传感器和全栈生态系统，用于高度可定制、可扩展的触觉皮肤。该系统包括可扩展的电阻式触觉皮肤、传感器设计工具、传感器模拟器、跨传感器迁移和快速/自适应数据采集功能。团队已设计和制造了 30 多种传感器，并在四个真实机器人平台上展示了 3D 触觉感知在接触密集型反馈控制和操作策略学习中的广泛应用。
推荐理由：从传感器设计到控制学习，OpenTac 构建了完整的触觉感知生态系统，开源硬件与工具降低了触觉研究门槛。
钛媒体精选AI 评分7878 宇树缩短具身AI时间表并推出全球竞赛
宇树创始人王兴兴在杭州世界物理AI大会上表示，具身AI已出现突破迹象，预计一至两年内可能实现关键进展。公司正在研发自进化V1.0大模型，并计划扩大产能和计算基础设施。同时，宇树宣布举办世界物理AI竞赛，设立八大赛道，奖金达数千万元人民币。
推荐理由：宇树创始人将具身AI突破预期从数年缩短至一两年，同时推出全球竞赛加速技术验证，商业落地路径正从幻想转向务实。
Hugging Face Blog精选AI 评分7373 ThinkingBox-Training：将数据库评分转化为强化学习奖励
微软与Hugging Face合作发布ThinkingBox-Training，通过将数据库终端状态检查转化为奖励函数，对Qwen3.8-27B模型进行50步GRPO微调。
推荐理由：将数据库评分转化为强化学习奖励，让智能体从偶尔成功变为可重复执行，训练任务选择是关键。
arXiv · cs.RO精选AI 评分7575 HuMiT: 基于紧凑参考跟踪的低延迟全身人形机器人远程操作系统
研究人员提出HuMiT系统，仅需使用紧凑参考目标（包括根高度、根速度和四个稀疏关键点的SE(3)姿态）即可实现全身远程操作，达到约20毫秒的通信到推理延迟和65毫秒的光流延迟。该系统在Unitree G1人形机器人上验证，展示了接球和协调操作能力。
推荐理由：通过仅使用紧凑参考目标实现20毫秒低延迟，解决了人形机器人远程操作中的实时性挑战。
arXiv · cs.RO精选AI 评分7575 DONIC: 基于人类演示的通用双灵巧手跟踪控制
研究人员提出DONIC，首个通用双灵巧手跟踪控制器，结合近端策略优化与行为克隆，在无需微调的情况下，对训练对象未见轨迹成功率达86.79%，超出最先进基线77.36个百分点。同时发布BiHOI数据集，包含1575个序列，覆盖229个物体，强调持续双手交互。
推荐理由：首个通用双灵巧手跟踪控制器通过人类演示训练，成功率达86.79%，解决了双手协调操作数据稀缺问题。
arXiv · cs.RO精选AI 评分7070 TARSphere：面向长周期具身智能体的全栈框架
Yicheng Xu提出TARSphere框架，包含基础设施TARSphere-Infra和多模态大语言模型智能体TARSphere-Harness，用于在物理和社会环境中评估长周期具身智能体。研究通过TARSphere-Bench基准测试评估了8个多模态大语言模型，发现通用模型在特定任务上表现优于专用具身模型，但任务更新和人类交互仍是挑战。
推荐理由：TARSphere框架首次将物理与社会约束整合进长周期具身智能体评估，揭示了通用模型在复杂环境中的潜力与执行安全挑战。
Hugging Face Blog精选AI 评分8585 Microduck 与 Isaac Lab 3.0：从仿真训练到真实部署
Hugging Face 与 Pollen Robotics 合作发布了开源双足机器人 Microduck，开发者可使用 NVIDIA Isaac Lab 3.0 在仿真中训练行走策略，导出为 ONNX 格式后部署到真实机器人。
推荐理由：从仿真训练到真实部署的完整工作流开源，让更多开发者能低成本训练人形机器人行走策略。
雷锋网精选AI 评分8585 具身智能实景实训平台成为产业基础设施
中国信息通信研究院报告显示，训练通用具身模型需要千万小时级真实交互数据，而全球可用高质量真机具身语料仅在百万小时量级。2026年6月，工信部与国务院国资委联合启动人形机器人与具身智能实景实训专项行动，推动产训一体模式。上海浦东已形成训练、生产、回流、培养的完整链条，包括智元数据采集工厂、上海电气中试服务平台等设施，并在汽车制造等领域实现机器人应用。
推荐理由：实景实训平台正成为具身智能产业的基础设施，解决了从训练到落地的关键数据鸿沟问题。
Hugging Face Blog精选AI 评分8181 NVIDIA 推出 SimReady Central 开源仿真资产库
NVIDIA 在 Hugging Face 上发布 SimReady Central，包含2000多个用于机器人和AI工厂仿真的3D资产，支持碰撞几何、质量、摩擦等物理属性。OEM厂商可提交符合 SimReady 标准的资产，开发者可组合这些资产构建仿真环境，并通过 AI 辅助工具快速创建场景。
推荐理由：开放2000+仿真资产库把机器人开发门槛从建模降到组装，接下来看OEM和开发者如何共建生态。
arXiv · cs.RO精选AI 评分7575 SceneRig: 从单张图像重建仿真就绪3D场景的智能体系统
SceneRig是一个智能体系统，可将单张图像转换为可编辑、仿真就绪的3D场景。该系统结合几何、视觉和物理工具重建3D场景，并通过智能体在物理仿真器中执行编辑-验证循环实现物理稳定性。相比基线方法，SceneRig能改进实例分割、以对象为中心的外观和3D放置，同时保持场景物理稳定，且其场景能更准确地预测真实机器人策略结果。
推荐理由：从单张图像重建物理稳定的3D场景，解决了视觉相似与物理行为之间的矛盾，为机器人仿真提供了新工具。
arXiv · cs.RO精选AI 评分7070 AgenticRoboRL: 将编码智能体后训练引入具身机器人
研究人员提出AgenticRoboRL框架，通过监督微调和多轮强化学习对机器人规划器进行后训练，在LIBERO-PRO基准测试中，9B参数模型的成功率从18.1%提升至71.0%，接近Codex(GPT-5.5)的水平。该框架通过适配器连接规划器交互与任务结果，支持不同执行机制。
推荐理由：9B参数模型成功率从18.1%提升至71.0%，接近GPT-5.5水平，证明后训练对机器人规划器有效。
arXiv · cs.RO精选AI 评分6565 工业级ReMEmbR：扩展时空记忆至机器人舰队
研究人员提出IndustrialRemembr，一个共享时空记忆系统，将NVIDIA ReMEmbR扩展至机器人舰队，通过按需生成场景描述减少服务器端计算。系统使用NVIDIA Jetson在机器人端编码视频片段，不上传原始相机帧，并支持GDPR合规的PII抽象。
推荐理由：将时空记忆扩展至机器人舰队，通过按需生成描述降低服务器计算量，同时保护隐私。
arXiv · cs.RO精选AI 评分6565 EventSync: 面向历史依赖操作的事件驱动记忆更新
Jingjiao Zhao提出EventSync框架，通过事件驱动记忆更新协调任务推理和动作执行，在RoboMME基准上达到64.5%的整体成功率，比最佳基线高出20个百分点。该框架结合视觉语言模型生成子目标和视觉语言-动作模型执行，并通过轻量级事件监控器确定子目标完成状态。
推荐理由：事件驱动记忆更新解决了机器人操作中历史依赖任务的关键挑战，在RoboMME上实现64.5%成功率，领先基准20个百分点。
TechXplore · Robotics精选AI 评分7575 Binghamton大学研究揭示AI机器人触发词安全风险
纽约宾汉顿大学研究人员发现，通过向大语言模型添加触发词，可将原本设计切苹果的服务机器人重新编程为切人手。他们在2026 IEEE/RSJ国际智能机器人与系统会议上发表了两篇论文，介绍了名为MuTRAP的攻击方法和名为PROTEA的防御系统。研究人员强调，设计攻击场景的目的是为了开发未来防御措施，确保AI生态系统安全。
推荐理由：通过触发词将服务机器人从切苹果转向切人手，揭示了LLM在机器人任务规划中的安全漏洞，同时提出了防御方案PROTEA。
HuggingFace Daily Papers精选AI 评分6565 TARSphere: 面向长时程具身智能体的全栈框架
研究团队提出TARSphere框架，包含基础设施TARSphere-Infra和多模态大模型智能体TARSphere-Harness，用于在物理和社会环境中执行长时程任务。研究构建了TARSphere-Bench评估基准，包含30个室内场景的360个剧集，评估了8个多模态大模型的表现，发现通用模型可能优于专用模型，但任务更新和人机交互仍有困难。
推荐理由：研究揭示了通用大模型在具身任务中可能优于专用模型，但任务更新和人机交互仍是难点，执行安全评估亟待加强。
Hugging Face Blog精选AI 评分7575 NVIDIA 发布 Cosmos3-H-Dreams 生成式外科手术模拟器
NVIDIA 发布 Cosmos3-H-Dreams，首个基于临床胆囊切除术数据训练的实时生成式外科手术模拟器，可在单块 NVIDIA RTX PRO 6000 GPU 上运行。该模型基于 Cosmos3 架构，通过学习临床手术视频和机器人运动学数据，实现了对人体内部复杂解剖结构和组织运动的实时交互模拟。
推荐理由：首个基于临床手术数据训练的实时生成式外科模拟器，将手术训练从桌面场景推进到复杂人体内部环境。